基于情感驱动的金融收益预测：一种贝叶斯增强的 FinBERT 方法

原文约200字，阅读约需1分钟。发表于：。

通过从推特中提取的情感信息，使用 FinBERT 大型语言模型的研究表明通过关联分析筛选特征集并采用贝叶斯优化的递归特征消除实现了超过 70% 的 F1 分数，从而在回测交易中获得了更高的累积利润。

该研究使用神经网络的新组合评估基于人群金融背景的情感分析预测股市，结果显示持牌金融顾问组的预测准确度比未经授权的金融顾问组高出39.67％，且相较于现有方法，该方法的准确度最高（87％）。